`tempdisagg` 패키지에서`td` 명령을 사용하여 월별 데이터를 일일 데이터 빈도로 분리하려면 어떻게해야합니까?

월간 빈도 데이터가 있는데 매일 주파수 데이터로 분리하려고합니다. 그래서 아래 코드를 사용하여 R td의 tempdisagg패키지 명령을 사용합니다.

 dat=ts(data[,2])
 result=td(dat~1, conversion = "average", to = "day", method = "chow-lin-maxlog")

그런 다음 다음 오류 메시지가 나타납니다.

 Error in td(dat ~ 1, conversion = "average", to = "day", method = "chow-lin-maxlog") : 'to' argument: unknown character string

내가 사용하는 데이터 dat는 다음과 같습니다.

 > dput(head(dat))
 c(82.47703009, 84.63094431, 70.00659987, 78.81135651, 74.749746,82.95638213)

따라서이 데이터 dat는 월 단위 빈도이지만 시작과 끝에는 아직 반영되지 않았습니다. 실제로 시작 날짜는 1/1997이고 종료 날짜는 2019 년 9 월입니다.

이 월별 데이터 dat를 일일 빈도 데이터로 분리하는 데 도움을받을 수 있습니까?

tempdisagg 패키지가 월별에서 일일으로 분리를 허용하지 않는 것 같습니다. 로부터 td()인수 '에서'도움말 파일 :

문자열 ( "분기 별"또는 "월별") 또는 스칼라 (예 : 2, 4, 7, 12)로 고주파 대상 주파수. 입력 계열이 ts 객체 인 경우 표시기가 없으면 인수가 필요합니다. 입력 계열이 벡터 인 경우 주파수 비율을 나타내는 스칼라 여야합니다.

오류 메시지 " 'to'argument : unknown character string"은 to =인수가 'quarterly'또는 'monthly'만 문자열로 허용 하기 때문 입니다.

통계에 매일에 월별 데이터를 disaggregating에 대한 몇 가지 논의가 여기 stackexchage : /stats/258810/disaggregate-monthly-forecasts-into-daily-data

일부 검색 후, 월별 데이터에서 일별 데이터로 일관되게 사용하지 않는 것처럼 보입니다. 이 tempdisagg패키지는 대부분의 다른 사람들이 연간에서 분기 또는 월간으로 가능했던 것으로 보이며 여러 기간에도 일관된 기간을 가질 수 있습니다.

에릭, 내가 이해하는대로 당신이하려는 일을 설명하는 스크립트를 아래에 추가했습니다.

여기서 실제 가격 데이터를 사용하여 일일 가격-> 월간 가격-> 월간 수익률-> 평균 일일 수익률에서 이동합니다.

library(quantmod)
library(xts)
library(zoo)
library(tidyverse)
library(lubridate)

# Get price data to use as an example
getSymbols('MSFT')

#This data has more information than we want, remove unwanted columns:
msft <- Ad(MSFT) 

#Add new column that acts as an 'indexed price' rather than 
# actual price data.  This is to show that calculated returns
# don't depend on real prices, data indexed to a value is fine.
msft$indexed <- scale(msft$MSFT.Adjusted, center = FALSE)

#split into two datasets  
msft2 <- msft$indexed
msft$indexed <- NULL


#msft contains only closing data, msft2 only contains scaled data (not actual prices)
#  move from daily data to monthly, to replicate the question's situation.
a <- monthlyReturn(msft)
b <- monthlyReturn(msft2)

#prove returns based on rescaled(indexed) data and price data is the same:
all.equal(a,b)

# subset to a single year
a <- a['2019']
b <- b['2019']

#add column with days in each month
a$dim <- days_in_month(a) 
a$day_avg <- a$monthly.returns / a$dim  ## <- This must've been left out

day_avgs <- data.frame(day_avg = rep(a$day_avg, a$dim))


# daily averages timesereis from monthly returns.
z <- zoo(day_avgs$day_avg, 
         seq(from = as.Date("2019-01-01"), 
             to = as.Date("2019-12-31"), 
             by = 1)) %>%
  as.xts()

#chart showing they are the same:
PerformanceAnalytics::charts.PerformanceSummary(cbind(a$monthly.returns, z))

다음은 1. 월별 수익률, 2. 월별 수익률의 일일 평균, 3. 둘 다를 표시하는 세 개의 차트입니다. 그것들이 동일하기 때문에, 세 번째 이미지에서 오버 플로팅은 하나만 보여줍니다.